Estadística

estadstica
nombre femenino
1.
1.
Ciencia que utiliza conjuntos de datos numricos para obtener, a partir de ellos,
inferencias basadas en el clculo de probabilidades.
"hizo un curso de introduccin a la estadstica"
2.
2.
Estudio que rene, clasifica y recuenta todos los hechos que tienen una
determinada caracterstica en comn, para poder llegar a conclusiones a partir
de los datos numricos extrados.
Estadstica
Para anlisis, datos y grficas sobre Wikipedia, vase Wikipedia:Estadsticas.
Distribucin normal.
La estadstica (la forma femenina del alemn Statistik, y

este derivado del italiano statista 'hombre de Estado')1 es una ciencia formal y una
herramienta que estudia usos y anlisis provenientes de una muestra representativa
dedatos, busca explicar las correlaciones y dependencias de un fenmeno fsico o natural,
de ocurrencia en formaaleatoria o condicional.
Es transversal a una amplia variedad de disciplinas, desde la fsica hasta las ciencias
sociales, desde las ciencias de la salud hasta el control de calidad. Adems, se usa en
reas de negocios o instituciones gubernamentales ya que su principal objetivo es
describir al conjunto de datos obtenidos para la toma de decisiones o bien, para realizar
generalizaciones sobre las caractersticas observadas.
Hoy en da, la estadstica es una ciencia que se encarga de estudiar una
determinada poblacin por medio de larecoleccin, recopilacin e interpretacin de datos.
Del mismo modo, tambin es considerada una tcnica especial apta para el estudio
cuantitativo de los fenmenos de masa o colectivo.
La estadstica se divide en dos grandes reas:
Estadstica descriptiva: Se dedica a la descripcin, visualizacin y resumen de

datos originados a partir de los fenmenos de estudio. Los datos pueden ser
resumidos numrica o grficamente. Su objetivo es organizar y describir las

caractersticas sobre un conjunto de datos con el propsito de facilitar su aplicacin,
generalmente con el apoyo de grficas, tablas o medidas numricas.
Ejemplos bsicos de parmetros estadsticos son: la media y la desviacin

estndar.
Ejemplos grficos son: histograma, pirmide poblacional, grfico circular,

entre otros.
Estadstica inferencial: Se dedica a la generacin de los modelos, inferencias y

predicciones asociadas a los fenmenos en cuestin teniendo en cuenta
la aleatoriedadde las observaciones. Se usa para modelar patrones en los datos y
extraer inferencias acerca de la poblacin bajo estudio. Estas inferencias pueden
tomar la forma de respuestas a preguntas s/no (prueba de hiptesis), estimaciones de
unas caractersticas numricas (estimacin), pronsticos de futuras observaciones,
descripciones de asociacin (correlacin) o modelamiento de relaciones
entre variables (anlisis de regresin). Otras tcnicas
de modelamiento incluyen anlisis de varianza, series de tiempoy minera de datos. Su
objetivo es obtener conclusiones tiles para lograr hacer deducciones acerca de la
totalidad de todas las observaciones hechas, basndose en lainformacin numrica.
DEFINICIN DE
ES TA D STI CA
El termino estadstica proviene del latn statisticum collegium (consejo de

Estado) y de su derivado italiano statista (hombre de Estado o
poltico). En 1749, el alemn Gottfried Achenwall comenz a utilizar la
palabra alemana statistik para designar el anlisis de datos estatales. Por lo
tanto, los orgenes de la estadstica estn relacionados con el gobierno y sus
cuerpos administrativos.
Lee todo en: Definicin de estadstica - Qu es, Significado y

Concepto http://definicion.de/estadistica/#ixzz4OydLUO00
La Estadstica es la parte de las Matemticas que se

encarga del estudio de una determinada caracterstica en una
poblacin, recogiendo los datos, organizndolos en tablas,
representndolos grficamente y analizndolos para sacar
conclusiones de dicha poblacin.
Segn se haga el estudio sobre todos los elementos de

la poblacin o sobre un grupo de ella, vamos a diferenciar dos
tipos de Estadstica:
Estadstica descriptiva. Realiza el estudio sobre la
poblacin completa, observando una caracterstica de la
misma y calculando unos parmetros que den informacin
global de toda la poblacin.
Estadstica inferencial. Realiza el estudio descriptivo
sobre un subconjunto de la poblacin llamado muestra y,
posteriormente, extiende los resultados obtenidos a toda la
poblacin.
Veamos dos ejemplos que nos aclaren estos dos tipos de
Estadstica:
Conceptos
Si bien no hay una definicin de estadstica exacta, se puede decir que la "estadstica es el estudio de
los mtodos y procedimientos para recoger, clasificar, resumir y analizar datos y para hacer
inferencias cientficas partiendo de tales datos".
Esta definicin cubre gran parte de la actividad del cientfico. Es importante observar que el objeto del que
realiza el anlisis estadstico son los datos y las observaciones cientficas por s mismos, mas que el
material qumico que interviene en el estudio.
Por lo tanto no es posible trazar lmites rgidos entre la qumica, la estadstica y la matemtica.
La estadstica se puede dividir en 2 categoras, la "estadstica descriptiva" y la "inferencia
estadstica".
Leer ms: http://www.monografias.com/trabajos30/conceptos-de-estadistica/conceptos-deestadistica.shtml#ixzz4Oye20Qfn
Jgggggggjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjj
jjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjj
Kkkkkkkkkkkkkkkkkkk
xxxxxxxxxxxxxxxxxxxxxxxxxxx
xx
Kkkkkkkkkkkkk
Media recortada
La media recortada es la media de los datos sin el 5% superior y el 5%
inferior de los valores. Utilice la media recortada para eliminar el impacto
de los valores muy grandes o muy pequeos sobre la media. Cuando los
datos contienen valores atpicos, la media recortada puede ser una
mejor medida de la tendencia central que la media.
La lnea azul representa la media original, la cual es influenciada notablemente por

los valores extremos que se encuentran ms a la derecha. La lnea roja representa
la media recortada, que se desplaza hacia la izquierda porque Minitab excluye los
valores extremos en el 5% ms alto de los datos.
Uso de las medidas de tendencia central para describir

distribuciones asimtricas
El centro de los datos es el rea donde se aglomera la mayora de los
valores de un conjunto de datos. La tendencia central se puede describir
mediante varios estadsticos diferentes, como la media, la media
recortada, la mediana o la moda. El conocer la tendencia central de los
datos es un primer paso importante para entenderlos.
Las representaciones grficas como los histogramas, las grficas de caja
y las grficas de puntos son tiles para visualizar la tendencia central de
los datos y pueden ayudar a decidir cul estadstico de la tendencia
central es ms adecuado con un conjunto de datos determinado.
En un conjunto de datos muy grande distribuido normalmente, las diferentes

medidas del centro son bsicamente iguales.
Sin embargo, a medida que las distribuciones se desvan de la normalidad, estos

estadsticos comienzan a diferenciarse. En este ejemplo, las lneas de referencia (de
izquierda a derecha) representan la mediana, la media recortada y la media. En
este caso, la mediana es el estadstico ms apropiado, pero podra no siempre ser
as.
As mismo, a medida que las distribuciones se desvan de la normalidad

y se vuelven ms asimtricas, la desviacin estndar se diferencia ms
de la distancia entre la media y un valor tpico de los datos.
El rango intercuartil es una mejor medida de dispersinque la desviacin
estndar cuando se trata de datos muy asimtricos, porque el rango
intercuartil no se ve afectado por los rangos extremos.
Comparacin de la media y la mediana

Si los datos son simtricos, las medidas de la tendencia central (media y
mediana) sern aproximadamente iguales. Si los datos son asimtricos,
las medidas pudieran desplazarse hacia las observaciones ms
extremas. Entre estas medidas, la media se ve ms afectada por los
valores extremos que la mediana.
Por ejemplo, esta distribucin presenta asimetra positiva. Observe que la media (X)
se desplaza hacia la derecha en la direccin de la asimetra. La mediana (Y) est
ms hacia la izquierda, ms cerca de la mayora de las observaciones. En este caso,
la mediana podra ser una mejor manera de describir el centro de los datos que la
media.
Cmo puedo mostrar estos estadsticos?

Puede utilizar Mostrar estadsticos descriptivos para mostrar la
media, la mediana, la moda y la media recortada. Por ejemplo,
supongamos que usted desea mostrar la moda para los valores de C1.
1. Elija Estadsticas > Estadsticas bsicas > Mostrar
estadsticos descriptivos.
2. En Variables, ingrese C1.
3. Haga clic en Estadsticas. Marque la opcin Moda (y cualquier
otro estadstico que desee).
4. Haga clic en Aceptar en cada cuadro de dilogo.
Medidas de de tendencia central

La m ed id as d e cen tral izac in nos ind ican en torno a qu
valor (cen tro) s e dis tribu yen los datos .
La m ed id as d e cen tral izac in son:
Moda
La m od a es el valor que tien e m ay or f recu en cia

abs olu ta .
S e repres enta por M o .
S e puede hal lar l a m od a para variab l es
cu alitativas y cu an titativas .
Halla r la m oda de la dis tribu cin:
2, 3, 3, 4, 4, 4, 5, 5 M o = 4
S i en un grupo ha y d os o varias pu n tu acion es con

la m ism a f recu en c ia y es a frecu enci a es la m xi ma ,
la d is trib u cin es b im od al o m ultim od al , es deci r,
tiene varias m od as .
1, 1, 1, 4, 4, 5, 5, 5, 7, 8, 9, 9, 9 M o = 1, 5, 9
Cuando todas las pu n tu acion es de un grupo tienen
la m ism a f recu en c ia , n o ha y m oda .
2, 2, 3, 3, 6, 6, 9, 9
S i d os p un tu acion es ad yacen tes ti enen l a f recu en cia
m xim a , la m od a es el p rom ed io de las dos puntu aciones
ad ya cen tes .
0, 1, 3, 3, 5, 5, 7, 8 Mo = 4
Clculo de la moda para datos agrupados

1 Todos los intervalos tienen la misma amplitud.
L i es el l mi te inferior de la c las e moda l.

f i es la frecuenc ia abs olut a de l a clas e mo dal.
f i - - 1 es la frecuenc ia abs olut a in me dia ta men te inf erior a la
en clas e mo dal.
f i - + 1 es la frecu encia abs oluta inmedi ata mente pos terior a
la cl as e moda l.
a i es la ampl itud de la cl as e.
Tambin s e utili za otr a f rm u la de la m oda que da

un valor ap roxim ad o de s ta:
Ejemplo
Cal cu lar la m oda de una dis tribuc in es tads t ica que

viene dada por la s iguiente tabl a:
fi
[60, 63)
[63, 66)
18
[66, 69)
42
[69, 72)
27
[72, 75)
100
2 Los intervalos tienen amplitudes distintas.
En pri me r lugar tene mos que hallar las al turas .
La cl as e moda l es la que tiene ma yor altura.
La f rm u la de la m oda ap roxim ad a cuando exis ten

dis tint as ampli tudes es :
Ejemplo
En la s iguiente tabl a s e mu es tra las cal ific aciones

(s us pens o, aprobado, notable y sobres al ient e) obtenid as por un
grupo de 50 alu mnos . Cal cu lar la moda .
fi
hi
[0, 5)
15
[5, 7)
20
10
[7, 9)
12
[9, 10)
50
Mediana
Es el valor que ocupa el lu gar cen tra l de todos

los d atos cuando s tos es tn ord en ad os d e m en or a m ayor .
La m ed ian a s e repres ent a por M e .
La m ed ian a s e puede h allar s lo para variab les
cu an titativas .
Clculo de la mediana
1 Ord en am os los d atos de m en or a m ayor .

2 S i la s erie tien e un n m ero im par d e
m ed id as la m ed ian a es la p u n tu acin cen tral de la mis ma .
2, 3, 4, 4, 5, 5, 5, 6, 6 Me= 5
3 S i la s erie tien e un n m ero p ar de puntuaciones

la m ed ian a es la m ed ia entr e las dos p u n tu acion es cen trales .
7, 8, 9, 10, 11, 12 Me = 9.5
Clculo de la mediana para datos agrupados
La m ed ian a s e encuen tra en el in terva lo donde

la f recu en cia acum u lad a llega has ta l a m itad d e la sum a d e
las frecu en cias ab s olu tas .
Es decir tene mos que bus car el in tervalo en el que s e

encuentr e
L i es el l mi te inferior de la c las e donde s e encu entra la

me dian a.
es la s e mis u ma de las frecuenci as abs olutas .

F i - 1 es la f recu en cia acum u lad a anterior a la clas e
me dian a.
La m ed ian a es in d ep en d ien te de las am p litu d es de
los in tervalos .
Ejemplo
Cal cu lar la m ed ian a de una dis tribu cin es t ads tic a que
viene dada por la s iguiente tabl a:
fi
Fi
[60, 63)
[63, 66)
18
23
[66, 69)
42
65
[69, 72)
27
92
[72, 75)
100
100
100 / 2 = 50
Clas e moda l: [66, 69)
Media aritmtica
La m ed ia aritm tica es el valor obtenido al s um ar todos

los d atos y d ivid i r el res ultado entre el n m ero tot al de d atos .
es el s mbolo de la m ed ia aritm tica .
Ejemplo
Los pes os de s eis amigos s on: 84, 91, 72, 68, 87 y 78 kg.
H allar el pes o med io.
Media aritmtica para datos agrupados
S i los d atos vien en agru p ad os en una tabla de

frecuenc ias , la expres in de la m ed ia es :
Ejercicio de media aritmtica
En un tes t reali zado a un grupo de 42 pers onas s e han

obtenido las puntuac iones que mues tr a la tabla. Cal cu la la
pu n tu acin m edia .
xi
fi
xi f i
[10, 20)
15
15
[20, 30)
25
200
[30,40)
35
10
350
[40, 50)
45
405
[50, 60
55
440
[60,70)
65
260
[70, 80)
75
150
42
1 820
Propiedades de la media aritmtica
1 La s um a de las d es viacion es de todas las puntuaciones

de una dis tribu cin res pec to a la m ed ia de la mis ma igual
a cero .
Las s uma de las des viacion es de los n meros 8, 3, 5, 12,

10 de s u me dia arit mt ica 7.6 es igu al a 0:
8 7.6 + 3 7.6 + 5 7.6 + 12 7.6 + 10 7.6 =
= 0. 4 4.6 2.6 + 4. 4 + 2. 4 = 0
2 La m ed ia aritm tica de los cu ad rad os de

las d es viacion e s de los valores de l a variab le con res pecto a
un nm ero cualqui era s e hac e m n im a cuando
dicho n m ero coin cide con la m ed ia aritm tica .
3 S i a todos los valores de la var iable s e les s um a un

mi s mo n m ero, la m ed ia aritm tica queda aum en tad a en
dicho n m ero.
4 S i todos los valores de la vari able s e mu ltip lican por

un mi s mo n m ero la m ed ia aritm tica queda mu ltip licad a por
dicho n m ero.
Observaciones sobre la media aritmtica
1 La m ed ia s e puede h allar slo para variab l es

cu an titativas .
2 La m ed ia es in d ep end ien te de las am p litu d es de

los in tervalos .
3 La m ed ia es mu y s ens ible a las p u n tu acion es

ext rem as . S i tene mos una dis tribuc in con los s igui entes
pes os :
65 kg, 69kg , 65 kg, 72 kg, 66 kg, 75 kg, 70 kg, 110 kg.
La m ed ia es igual a 74 kg, que es una m ed id a d e
cen trali zacin poco repres ent ativa de la dis tribuc in.
4 La m ed ia no s e puede ca lcular s i ha y un int ervalo con

una am p litu d in d eterm in ad a .
xi
fi
[60, 63)
61.5
[63, 66)
64.5
18
[66, 69)
67.5
42
[69, 72)
70.5
27
[72, )
100
En es te cas o no es pos ib le hal lar l a m ed ia porque no

podemos cal cular la m arca d e clas e de lti mo interv alo.
Hhhhhhhhhhhhhhhhhhhhhhhhh
hhhhhhhhhhttttttttt
Es decir que para que una calificacin tenga significado hay que contar con elementos
de referencia generalmente relacionados con ciertos criterios estadsticos.
Lasmedidas de tendencia central (media, mediana y moda) sirven como puntos de
referencia para interpretar las calificaciones que se obtienen en una prueba.
Importancia de las Medidas de Tendencia Central y Dispersin
Las medidas de Tendencia Central son empleadas para resumir a los conjuntos
de datos que sern sometidos a un estudio estadstico, se les llama medidas de
tendencia central porque general mente la acumulacin ms alta de datos se
encuentra en los valores intermedios. Estas medidas son utilizadas con gran
frecuencias como medidas descriptivas de poblaciones o muestras.
Las mas empleadas
1. Moda - Es el valor con una mayor frecuencia en una distribucin de datos.
2. Mediana Representa el valor de la variable que deja por debajo de s a la
mitad de los datos en un conjunto ordenados de menor a mayor.

3. Media Promedio o valor obtenido por la suma de todos los datos (valores)
dividida entre el nmero de sumandos.
MEDIDAS DE DISPERSIN Hacen referencia a la variabilidad, o la evaluacin de
cun separados o extendidos estn los datos o bien cuanto difieren unos de otros.
Entendindose la variacin, como el grado en que los datos numricos tienden a
distribuirse alrededor de un valor central. Para que sirven? Identificar si una
medida central, es adecuado para representar la poblacin de datos Indicar la
relacin de un dato con los otros Comprender el riesgo para poder tomar
decisiones Son de gran utilidad al comparar distribuciones.
Se plantea las siguientes interrogantes, por favor contestar mximo en 8 lneas.
Qu aplicaciones se le puede dar a las Medidas de

Tendencia Central y a las Medidas de Dispersin?
Cul es la importancia de estas medidas para la
estadstica?
Publicado por Ricardo GP en 16:07
Enviar por correo electrnicoEscribe un blogCompartir con TwitterCompartir con
FacebookCompartir en Pinterest
17 comentarios:
1.
Libano Zaatar14 de noviembre de 2013, 9:37
Las medidasde tendencia central (Media, Mediana, Moda) nos permiten fijar,
establecer y/o proyectar limites y valores hacia los que tiende a ubicarse la variable
que se esta evaluando. Por otra parte las Medidas de Dispersion permiten ver el
rango entre el cual pudiese moverse la variable. Y la Importancia de ambas es que
permite fijar los valores de las variables para lograr una mejor administracion de los
procesos: Productivos,administrativos, de servicios, etc, en cualquier area donde
se puedan generar y tomar datos: educativos, de salud, comercio,produccion,
economia,
etc
Libano
Zaatar
N3SE301
Responder
Respuestas
1.
jesulyn flores flores20 de noviembre de 2013, 9:28
La aplicacin de estas medidas se presentan al momento de realizar un
promedio de notas, promedio de gastos diarios, promedio de costos e
ingresos, promedio de gastos en transporte, alimentacin, educacin,
promedio de produccin por hectreas, promedio de nacimientos, entre
otros tipos de promedios que se realizan sobre las distintas actividades
cotidianas.
Son importantes ya que mediante esto podemos resolver situaciones que
se nos presentan da con da y que no esta de mas el poder aplicarlas ya
que nos reducen un largo tramite de operaciones y esto hace que sea un
camino mas viable y rpido al
llegar
a una solucin
Jsulyn Flores C.I: 25.003.520 N3S2301
Responder
2.
jatniel infante14 de noviembre de 2013, 9:38
Las medidas de tendencia central tienen como objetivo el sintetizar los datos en un
valor representativo, las medidas de dispersin nos dicen hasta que punto estas
medidas de tendencia central son representativas como sntesis de la informacin.
Las medidas de dispersin cuantifican la separacin, la dispersin, la variabilidad
de los valores de la distribucin respecto al valor central. Distinguimos entre
medidas de dispersin absolutas, que no son comparables entre diferentes
muestras y las relativas que nos permitirn comparar varias muestras.y su
importancia es en encontrar o medir estadisticamente los problemas que tiene una
empresa y asi poder solucionarlos de modo eficaz y eficiente. nombre jatniel
infante CI:20035779 seccion: T2S2301
Responder
3.
Mayerlin Jaimes17 de noviembre de 2013, 12:23
Las medidas de dispersin son importantes debido a que dos muestras de
observaciones con el mismo valor central pueden tener una variabilidad muy
distinta. La variabilidad de cualquier distribucin se contempla generalmente en
trminos de la desviacin de cada valor observado (X) con respecto a la media
muestral : X Si las desviaciones: (X ) X son pequeas, obviamente los datos son
estn
menos
dispersos,
que
si
las
desviaciones
son
grandes.
La importancia de la DISPERSIN de la distribucin esta basada en que:

1. Su informacin permite juzgar la confiabilidad de la medida de tendencia central.
2. Nos permite determinar cuan dispersos estn lo datos y por lo tanto solucionar o
explicar los problemas que se puedan presentar por este hecho.
3. Se pueden comparar las dispersiones de varias muestras, con la cual el riesgo
de que exista un espectro de valores lejos del centro se puede evitar.
Responder
4.
miguel guarema17 de noviembre de 2013, 12:58
Las medidas de tendencia central no son suficientes para describir una distribucin
o conjunto de datos. Una buena descripcin de una distribucin requiere, adems
de un valor promedio de las observaciones (es decir, una medida de tendencia
central), alguna medida de la dispersin o variabilidad de los valores observados.
Esta informacin es proporcionada por indicadores que se conocen como medidas
de dispersin`. los descriptores o indicadores de dispersin o variabilidad ms
comunes son la desviacin estndar y la varianza
Responder
5.
Carlos Aguei18 de noviembre de 2013, 7:25
Las medidas de tendencia central son medidas estadsticas que pretenden resumir
en un solo valor a un conjunto de valores. Representan un centro en torno al cual
se encuentra ubicado el conjunto de los datos. Las medidas de tendencia central
ms utilizadas son: media, mediana y moda. Las medidas de dispersin en cambio
miden el grado de dispersin de los valores de la variable. Dicho en otros trminos
las medidas de dispersin pretenden evaluar en qu medida los datos difieren
entre s. De esta forma, ambos tipos de medidas usadas en conjunto permiten
describir un conjunto de datos entregando informacin acerca de su posicin y su
dispersin.
Responder
6.
Andres Palencia18 de noviembre de 2013, 14:17
las medidas de tendencia central describen a un conjunto de de elementos por la
forma en que se comporta su centro de distribucin. las medidas de tendencia
central ( Media, Mediana y Moda) sirven como puntos de referencia para
interpretar
las
calificaciones
que
se
obtiene
en
una
prueba.!
las medidas de dispersin, son importantes debido a que dos muestras de

observaciones con el mismo valor central pueden tener una variabilidad muy
distinta.
La importancia de la Dispersin de la distribucin esta basada en que:
Andres
Palencia
N3S2301
Responder
7.
Yeniber Pia18 de noviembre de 2013, 14:57
Las medidas de tendencia central,dan una idea de un nmero alrededor del cual
tienden a concentrarse todo un conjunto de datos.la media, la mediana o la moda
puede ser la medida ms apropiada de tendencia central, segn la naturaleza de
los datos. A menudo, la media es la medida ms sencilla de tendencia central y es
la
que
se
utiliza
comnmente.
Las Medidas de Dispersin nos resumen la informacin de la muestra o serie de
datos, dndonos as informacin acerca de la magnitud del alejamiento de la
distribucin de datos en relacin a un valor central o de concentracin de los
datos.La importancia de estos elementos nos permiten tener una visin de una
serie de sucesos o eventos,tenemos varias herramientas estadsticas como lo son
la Media, la Mediana y la Moda. Pero estas Medidas no son suficientes,
necesitamos conocer la variabilidad de los datos, es decir, cun parecidos son los
datos reales en comparacin a las Medidas de Tendencia Central, para esto
contamos con las Medidas de Dispersin, que no son otra cosa que indicadores de
variabilidad y cuya importancia reside en la necesidad de tomar decisiones,
basadas
en
estadsticas
bsicas
Yeniber Pia (N3S2301)
Responder
8.
Anderson Herrera18 de noviembre de 2013, 15:18
Las medidas de tendencia central no son suficientes para describir una distribucin
o conjunto de datos. Una buena descripcin de una distribucin requiere, adems
de un valor promedio de las observaciones (es decir, una medida de tendencia
central), alguna medida de la dispersin o variabilidad de los valores observados.
Esta informacin es proporcionada por indicadores que se conocen como medidas

de dispersin`. los descriptores o indicadores de dispersin o variabilidad ms
comunes
son
la
desviacin
estndar
y
la
varianza
Anderson Herrera
Responder
9.
Alonzo Salazar18 de noviembre de 2013, 21:42
las medidas de tendencia central analizan a un conjunto de elementos por la forma
en que se comporta la distribucin. las medidas de tendencia central sirven de
referencia para observar las actividades que se obtiene en una prueba
las medidas de dispersin, es de gran relevancia en la estadistica debido a que
dos muestras de observaciones con el mismo valor central pueden tener una
variabilidad
muy
distinta.
Alonzo
salazar
Ci: 24412293
Responder
Kkkk
Medidas de posicin para datos agrupados y no agrupados: cuartiles, deciles y percentiles
Leer ms: http://www.monografias.com/trabajos27/datos-agrupados/datosagrupados.shtml#ixzz4OyomKkZL
Monografias.com > Matematicas > Estadistica

Descargar
Imprimir
Comentar
Ver trabajos relacionados
Medidas de posicin para datos agrupados y no

agrupados: cuartiles, deciles y percentiles
Enviado por ANA MILENA GARCIA PORTO
1.
2.
3.
Cuantiles
4.
Cuartiles
5.
Deciles
6.
Centiles o percentiles
7.
Ejemplo
8.
Bibliografa
1.
Leer ms: http://www.monografias.com/trabajos27/datos-agrupados/datosagrupados.shtml#ixzz4OyozhXY4
Medidas de posicin
Indice
1. Introduccin
2. Medidas de Posicin
3. Conclusin
4. Bibliografa
1. Introduccin
Las medidas de posicin nos facilitan informacin sobre la serie de datos que estamos analizando.
La descripcin de un conjunto de datos, incluye como un elemento de importancia la ubicacin de stos
dentro de un contexto de valores posible. Una vez definidos los conceptos bsicos en el estudio de
una distribucin de frecuencias de una variable, estudiaremos las distintas formas de resumir dichas
distribuciones mediante medidas de posicin (o de centralizacin), teniendo presente el error cometido en
el resumen mediante las correspondientes medidas de dispersin.
Se trata de encontrar unas medidas que sinteticen las distribuciones de frecuencias. En vez de manejar
todos los datos sobre las variables, tarea que puede ser pesada, podemos caracterizar su distribucin de
frecuencias mediante algunos valores numricos, eligiendo como resumen de los datos un valor central
alrededor del cual se encuentran distribuidos los valores de la variable Son medidas estadsticas cuyo
valor representa el valor del dato que se encuentra en el centro de la distribucin de frecuencia, por lo que
tambin se les llama "Medidas de Tendencia Central ".
2. Medidas de Posicin
Son indicadores usados para sealar que porcentaje de datos dentro de una distribucin de frecuencias
superan estas expresiones, cuyo valor representa el valor del dato que se encuentra en el centro de la
distribucin de frecuencia, por lo que tambin se les llama " Medidas de Tendencia Central ".
Pero estas medidas de posicin de una distribucin de frecuencias han de cumplir determinadas
condiciones para que lean verdaderamente representativas de la variable a la que resumen.
Toda sntesis de una distribucin se considerara como operativa si intervienen en su determinacin todos
y cada uno de los valores de la distribucin, siendo nica para cada distribucin de frecuencias y siendo
siempre calculable y de fcil obtencin. A continuacin se describen las medidas de posicin ms
comunes utilizadas en estadstica, como lo son:
Cuartiles: Hay 3 cuartiles que dividen a una distribucin en 4 partes iguales: primero, segundo y
tecer cuartil.
Deciles: Hay 9 deciles que la dividen en 10 partes iguales: (primero al noveno decil).
Percentiles: Hay 99 percentiles que dividen a una serie en 100 partes iguales: (primero al
noventa y nueve percentil).
Cuartiles (Q1, Q2, Q3)
a.
Aquel valor de una serie que supera al 25% de los datos y es superado por el 75% restante.
Formula de Q1 para series de Datos Agrupados en Clase.
Donde:
b.
c.
: posicin de Q1, la cual se localiza en la primera frecuencia acumulada que la contenga,

siendo la clase de Q1, la correspondiente a tal frecuencia acumulada.
Li, faa, fi, Ic : idntico a los conceptos vistos para Mediana pero referidos a la medida de la posicin
correspondiente.
Primer cuartil (Q1):
Segundo cuartil (Q2):
Coincide, es idntico o similar al valor de la Mediana (Q2 = Md). Es decir, supera y es superado por el
50% de los valores de una Serie.
c) Tercer cuartil (Q3):
Aquel valor, termino o dato que supera al 75% y es superado por el 25% de los datos restantes de la
Serie.
Formula de Q3 para series de Datos Agrupados en Clase.
Donde:
: posicin de Q3, todo idntico al calculo de la Mediana.

Deciles (D1, D2, D9)
Primer Decil (D1), Quinto Decil (D5) y Noveno Decil (D9).
El primer decil es aquel valor de una serie que supera a 1/10 parte de los datos y es superado por las
9/10 partes restantes (respectivamente, hablando en porcentajes, supera al 10% y es superado por el
90% restante),
El D9 (noveno decil) supera al 90% y es superado por el 10% restante.

Como se observa, son formulas parecidas a la del calculo de la Mediana, cambiando solamente
la respectivas posiciones de las medidas.
Percentiles (P1, P2, P99)
Primer Percentil (P1), Percentil 50 (P50) y Percentil 99 (P99).
El primer percentil supera al uno por ciento de los valores y es superado por el noventa y nueve por ciento
restante.
Formulas de P1, P50, P99 para series de Datos Agrupados en Clase.
El P99 (noventa y nueve percentil) supera al 99% de los datos y es superado a su vez por el 1% restante.
Idnticas formulas al calculo de la Mediana, cambiando obviamente las correspondientes
posiciones de cada medida.
Para determinar estas medidas se aplicara el principio de la mediana; as, el primer cuartil cereal valor por
debajo del cual se encuentra el 25 por ciento de los datos; bajo el tecer cuartil se encuentra el 75 por
ciento; el 80 decil ser el valor por encima del cual estar el 20 por ciento de los datos, etc.
Como se observa, todas estas medidas no son sino casos particulares del percentil ya que el primer
cuartil no es sino el 25 percentil, el tercer cuartil el 75 percentil, el cuarto decil el 40 percentil, etc.
Datos no agrupados:
Se hace difcil calcular estas medidas, sin embargo, siguiendo los mismos principios mencionados para la
Mediana, se pueden localizar en la forma siguiente:
Si tenemos una serie de valores X1, X2, X3 Xn, se localiza el primer cuartil como el valor
n es par, y
cuando n es impar. Para el tercer cuartil ser
En caso de los textiles ser
Para los deciles ser
(n par);
cuando
(n impar).
donde A representa el nmero del textil.
siendo A el nmero del decil; y para los percentiles
o
.
Ejemplo:
En una serie de 32 trminos se desea localizar el 4 sextil, 8 decil y el 95 percentil.
Esto significa que el 4 textil se encuentra localizado en el termino numero 21, es decir, el que ocupa la
21 posicin; el 8 decil se encuentra localizado entre el termino numero 25 y 26 ; y el 95 percentil entre
la posicin 30 y 31 .
Calculo para una distribucin de frecuencia
Para el calculo de esta medida en datos agrupados en una distribucin de frecuencia, se utiliza el
mismo procedimiento estudiado para el calculo de la Mediana, e; cual es:
1.
Se efecta la columna de las frecuencias acumuladas.
2.
Se determina la posicin del trmino cuyo valor se pretende calcular, en caso de ser el primer
cuartil ser
, si fuese el 95 centil
etc.
3.
Se verifica cual es la clase que lo contiene; para ello se utiliza la columna de las frecuencias
acumuladas.
4.
Se hace la diferencia entre el nmero que representa el orden de posicin cuyo valor se
pretende calcular y la frecuencia acumulada de la clase anterior a la que lo contiene.
5.
Se calcula la medida solicitada de acuerdo a la siguiente frmula:
Donde:
1i: limite inferior de la clase que lo contiene.
P: valor que representa la posicin de la medida.

fi: la frecuencia de la clase que contiene la medida solicitada.
fa-1: frecuencia acumulada anterior a la que contiene la medida solicitada.
Ic: intervalo de clase.
Ejemplo:
Determinacin del primer cuartil, el cuartil textil, el sptimo decil y el 30 percentil.
Salarios
(I. de Clases)
200 299
300 399
400 499
500 599
600 699
700 800
Estos resultados nos indican que el 25 por ciento de los empleados ganan salarios por debajo de Bs. 334;
que sobre Bs. 519,51 ganan el 33,33 por ciento de los empleados; que bajo 541,57 gana el 57 por ciento
de los empleados y sobre Bs. 359,88 gana el 70 por ciento de los empleados.
Muchas veces necesitamos conocer el porcentaje de valores que esta por debajo o por encima de un
valor dado; lo que representa un problema contrario al anterior, esto es, dado un cierto valor en la abscisa
determinar en la ordenada el tanto por ciento de valores inferiores y superiores al valor dado. Operacin
que se resuelve utilizando la siguiente formula general:
Donde:
P: lugar percentil que se busca.
P: valor reconocido en la escala X.
fa-1: frecuencia acumulada de la clase anterior a la clase en que esta incluida P.
fi: frecuencia de la clase que contiene a p.
Li: limite inferior de la clase que contiene a P.

Ic: intervalo de clase.
N: frecuencia total.
Ejemplo:
Utilizando la distribucin anterior, determinar que porcentaje de personas ganan salarios inferiores a Bs.
450,00
El 50,75 por ciento de las personas ganan salarios inferiores a Bs. 450.
Mtodo grfico para fraccionar la distribucin
Se pueden obtener en forma grfica, a travs de la curva de la frecuencia acumulada (ojiva).
Para ello basta despus de trazar la ojiva, llevar el orden de posicin de la medida que se quiere sobre la
ordenada, trazar por ese punto una perpendicular toca a la ojiva, baja una paralela a la ordenada hasta
tocar la abscisa; en el punto donde toque a dicho eje, se encontrar el valor buscado.
Obtencin grfica de las medidas de posicin
Similar o idntico a la distribucin grafica de la Mediana con la sola excepcin de que se llevara al eje
vertical (frecuencias acumuladas) las especificas posiciones de cada indicador de posicin en particular.
Ejemplo:
Forma de obtener los indicadores de posicin (cuartiles, deciles y percentiles) para series de datos
agrupados en clases:
Supongamos la siguiente distribucin de frecuencias referidas a las estaturas que representaban 40
alumnos de un curso.
(I. de Clases)
1,60
1,64
** 1,68
* 1,72
1,76
Q3=?
La cual se ubica en la primera fa que la contenga
Esta estatura de Q3 = 1,73 mts. Supera en la distribucin de frecuencia al 75% de los alumnos del curso y
es superada por el 25% de los mismos.
D8 = ?
supera esta estatura de 1,736 mts a 8/10 partes de curso y es superado por las 2/10 partes restantes.
P55 = ?
Esta estatura supera al 55% de los alumnos del curso y es superada por el 45% restante.
Calcular de cada uno de los intervalos de clases cuartiles, deciles y percentiles.
Datos agrupados
I. de clases
10 15
16 21
22 27
28 33
34 39
40 45
46 51
52 57
n = 66
Cuartiles:
Deciles:
Percentiles:
3. Conclusin
Las medidas de posicin en un conjunto de datos estn diseadas para proporcionar al analista algunas
medidas cuantitativas de donde est el centro de los datos en una muestra.
En las medidas de posicin se trata de encontrar medidas que sinteticen las distribuciones de frecuencias.
En vez de manejar todos los datos sobre las variables, tarea que puede ser pesada, podemos caracterizar
su distribucin de frecuencias mediante algunos valores numricos, eligiendo como resumen de los datos
un valor central alrededor del cual se encuentran distribuidos los valores de la variable. La descripcinde
un conjunto de datos, incluye como un elemento de importancia la ubicacin de stos dentro de un
contexto de valores posibles.
4. Bibliografa
Armando, Soto Negrin. Principios de Estadstica. Editorial Panapo. 1999. Pg.: 71-81.
Ernesto, Rivas Gonzlez. Estadstica General. Ediciones de la Biblioteca. Caracas. 2000. Pg.: 164-169.
Autor:
Leer
ms: http://www.monografias.com/trabajos14/medidasposicion/medidasposicion.shtml#ixzz4OypBrFpF
Medidas de posicin
Las m ed id as d e p os ic in divid en un conj unto de da tos en
grupos con el mis mo nmero de individuos .
P ara cal cular las m ed id as d e p os icin es neces ario que
los d atos es tn ordenados de m enor a m ay or .
La m ed id as d e p os ic in s on:
Cuartiles
Los cu artiles son los tres valores de la variabl e

que d ivid en a un con jun to de d atos ord en ad os en cu atro
p artes igu ales .
Q 1 , Q 2 y Q 3 det ermin an los valores corres pondientes
al 25%, al 50% y al 75% de los d atos .
Q 2 coin cide con la m ed ian a .
Clculo de los cuartiles
1 Ord en am os los d atos de m en or a m ayor .

2 Bus ca mos el lugar que ocupa cada cu artil me dian te la
expres in
Nmero impar de datos
2, 5, 3, 6, 7, 4, 9
Nmero par de datos
2, 5, 3, 4, 6, 7, 1, 9
Clculo de los cuartiles para datos agrupados
En pri me r lugar bus ca mos la clas e donde s e

encuentr a
, en la tab la d e las f recu en cias
acum u lad as .

me dian a.
N es la s uma de l as frecuenc ias abs olutas .
me dian a.
Ejercicio de cuartiles
Cal cu lar los cu arti les de la dis tribu cin de la tab la:
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Clculo del primer cuartil
Clculo del segundo cuartil
Clculo del tercer cuartil
Deciles
Los d eciles son los n u eve valores que d ivid en la s erie

de d atos en d ie z p artes igu ales .
Los d eciles dan los valores corres pondientes al 10%, al
20%... y al 90% de los datos .
D 5 coin cide con la m ed ian a .
Clculo de los deciles
En pri me r lugar bus ca mos la cl as e donde s e

encuentr a
, en la tab la de las frecuenc ias
acu mul adas .

me dian a.
me dian a.
Ejercicio de deciles
Cal cu lar los d eci les de la dis tribu cin de la tab la:
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Clculo del primer decil
Clculo del segundo decil
Clculo del tercer decil
Clculo del cuarto decil
Clculo del quinto decil
Clculo del sexto decil
Clculo del sptimo decil
Clculo del octavo decil
Clculo del noveno decil
Percentiles
Los p ercen til es son los 99 valores que d ivid en la s erie

de d atos en 100 p artes igu ales .
Los p ercen til es dan los valores corres pondientes al 1%,
al 2%... y al 99% de los datos .
P 5 0 coincid e con l a m ed ian a .
Clculo de los percentiles
En pri me r lugar bus ca mos la cl as e donde s e

encuentr a
, en la tab la de las frecuenc ias
acu mul adas .

me dian a.
me dian a.
Ejercicio de percentiles
Cal cu lar el p ercen til 35 y 60 de la dis tribucin de la

tabla :
fi
Fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Percentil 35
Percentil 60
Ejempos
cuartiles , deciles y percentiles ejercicios resueltos
Parmetros de posicin
Ir al ndice del curso de estadstica
3.2 Parmetros de posicin cuartiles , deciles y percentiles
3.2.1 Cuartiles
$\frac{rN}{4}$
Los cuartiles son los tres valores de la variable que dividen a

un conjunto de datos ordenados en cuatro partes iguales.
Q 1 , Q 2 y Q 3 determinan los valores correspondientes al 25%, al 50% y al
75% de los datos.
Q 2 coincide con la mediana.
Ejemplo clculo de cuartiles ver solucin

En las siguientes distribuciones de frecuencias calcular los cuartiles,
Xi
ni
3.2.2 Deciles
$\frac{rN}{10}$
Los deciles son los nueve valores que dividen la serie de datos en diez partes
iguales.
Los deciles dan los valores correspondientes al 10%, al 20%... y al 90% de los datos.
$\frac{rN}{100}$
3.2.3 Percentiles
Los percentiles son los 99 valores que dividen la serie de datos en 100 partes
iguales.
Los percentiles dan los valores correspondientes al 1%, al 2%... y al 99% de los
datos
Ejemplo clculo de deciles y percentiles ver solucin

En las siguientes distribuciones de frecuencias calcular, los deciles 3 y 7 y los
percentiles 22 y 45
Xi
ni
Ejemplo clculo de cuartiles , deciles y percentiles
ver solucin
En las siguientes distribuciones de frecuencias calcular los cuartiles, los deciles 3 y 7 y

los percentiles 22 y 45
Xi
ni
Ir al ndice del curso de estadstica
Recordar que cada vez que dais a un me gusta , a compartir o dejis un comentario
positivo ( tanto en Facebook , en youtube , twitter @profesor10mates , en el blog del
profesor10demates o en otros foros.. ) , me estis dando vuestro apoyo. Muchas gracias.
Ahora tambin tenis en mi blog un botoncillo por si me queris invitar a un caf.
Ejercicios resueltos de
percentiles
1. Dadas las series estadsticas:
3, 5, 2, 7, 6, 4, 9.
3, 5, 2, 7, 6, 4, 9, 1.
Calcular:
Los percentiles 32 y 85.
3, 5, 2, 7, 6, 4, 9.
7 (32/100) = 2,2 P 3 2 = 4
7 (85/100) = 5.9 P 8 5 = 7
3, 5, 2, 7, 6, 4, 9, 1.
8 (2/10) = 1.6 D 2 = 2
8 (7/10) = 5.6 D 7 = 6
2. Una distribucin estadstica viene dada por la siguiente tabla:
fi
[10, 15)
[15, 20)
[20, 25)
[25, 30)
[30, 35)
Hallar el percentil 70.
xi
fi
Fi
[10, 15)
12.5
[15, 20)
17.5
[20, 25)
22.5
15
[25, 30)
27.5
19
[30, 35)
32.5
21
21
3. Calcular el percentil 35 y 60 de la distribucin de la tabla:
fi
[50, 60)
[60, 70)
10
18
[70, 80)
16
34
[80, 90)
14
48
[90, 100)
10
58
[100, 110)
63
[110, 120)
65
65
Percentil 35
Fi
Percentil 60
4. Las alturas de los jugadores de un equipo de baloncesto vienen

dadas por la tabla:
Altura
N de Jugadores
[1.70, 1.75)
[1.75, 1.80)
[1.80, 1.85)
[1.85, 1.90)
[1.90, 1.95)
[1.95, 2.00)
Cuntos jugadores se encuentran por encima de la media ms

una desviacin tpica?
xi
fi
Fi
[1.70, 1.75)
1.725
[1.75, 1.80)
1.775
[1.80, 1.85)
1.825
[1.85, 1.90)
1.875
16
[1.90, 1.95)
1.925
21
[1.95, 2.00)
1.975
23
23
x + = 1.866+ 0.077 = 1.943

Este valor pertenece a un percentil que se encuentra en el
penltimo intervalo.
Slo hay 3 jugadores por encima de x + .
5. Dada la distribucin de frecuencias absolutas acumuladas :
Edad
Fi
[0, 2)
[2, 4)
11
[4, 6)
24
[6, 8)
34
[8, 10)
40
Entre qu valores se encuentran las 10 edades centrales?
Los 10 alumnos representan el 25% central de la distribucin.
Debemos hallar P 3 7 . 5 y P 6 2 . 5 .
Las 10 edades centrales estn en el intervalo: [4.61, 6.2] .
Pppppppppppppppppppppppp
Pppppppppp
Desviacin estandar
Introduccin
La estadstica es una disciplina que proporciona principios y herramientas para emitir juicios sobre
colectivos basados en datos obtenidos para propsitos especficos. Es decir, brinda el soporte para saber
que datos obtener, como, cuando, como obtenerlos, y una vez obtenidos proporciona mtodos y
y procedimientos para organizarlos con diferentes propsitos.
La correspondencia entre los anlisis aplicados y datos recabados permite construir juicios concluyentes
sobre el colectivo en estudio.
Los datos que precisamos deben ser generados, de alguna forma, la cual siempre esta asociada a la
definicin de variables, que constituyen los conceptos de referencia mas importante en los inicios de
una investigacin.
Desviacin Estndar
La desviacin estndar (o desviacin tpica) es una medida de dispersin para variables de razn (ratio o
cociente) y de intervalo, de gran utilidad en la estadstica descriptiva. Es una medida (cuadrtica) de lo
que se apartan los datos de su media, y por tanto, se mide en las mismas unidades que la variable.
Para conocer con detalle un conjunto de datos, no basta con conocer las medidas de tendencia central,
sino que necesitamos conocer tambin la desviacin que representan los datos en su distribucin, con
objeto de tener una visin de los mismos ms acorde con la realidad a la hora de describirlos e
interpretarlos para la toma de decisiones.
Desviacin estndar o Tpica
Esta medida nos permite determinar el promedio aritmtico de fluctuacin de los datos respecto a su
punto central o media. La desviacin estndar nos da como resultado un valor numrico que representa el
promedio de diferencia que hay entre los datos y la media. Para calcular la desviacin estndar basta con
hallar la raz cuadrada de la varianza, por lo tanto su ecuacin sera:
EJEMPLO
1.-El gerente de una empresa de alimentos desea saber que tanto varan los pesos de los empaques (en
gramos), de uno de sus productos; por lo que opta por seleccionar al azar cinco unidades de ellos para
pesarlos. Los productos tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos respectivamente.
Por lo que su media es:
Con lo que concluiramos que el peso promedio de los empaques es de 507 gramos, con una tendencia a
variar por debajo o por encima de dicho peso en 12 gramos. Esta informacin le permite al gerente
determinar cuanto es el promedio de perdidas causado por el exceso de peso en los empaques y le da las
bases para tomar los correctivos necesarios en el proceso de empacado.
2.-Ejemplo: Desviacin estndar para datos no agrupados
Calcular la desviacin estndar al siguiente conjunto de datos mustrales.
220
215
218
210
210
219
208
207
213
225
213
204
225
211
221
218
200
205
220
215
217
209
207
211
218
PASO 1: Calcular la media aritmtica.

PASO 2: Calcular la varianza
En este punto, la varianza es identificada por S2.
PASO 3: Calcular la desviacin estndar a partir de la raz cuadrada de la varianza.
Los datos se alejan en promedio de la media aritmtica en 6,5516 puntos.
3.- Hallar la desviacin media, la varianza y la desviacin tpica de la series de nmeros siguientes:
2, 3, 6, 8, 11.
12, 6, 7, 3, 15, 10, 18, 5.
2, 3, 6, 8, 11.
12, 6, 7, 3, 15, 10, 18, 5.
4.-Un pediatra obtuvo la siguiente tabla sobre los meses de edad de 50 nios de su consulta en el
momento de andar por primera vez:
Meses
Nios
10
11
12
16
13
11
14
15
Calcular la desviacin tpica.
5.-.El resultado de lanzar dos dados 120 veces viene dado por la tabla:
Sumas
10
11
12
Veces
11
20
19
16
13
11
6.-Calcular la desviacin tpica de una distribucin estadstica que viene dada por la siguiente tabla:
7.-Calcular la desviacin tpica de la distribucin de la tabla:
8.-Las alturas de los jugadores de un equipo de baloncesto vienen dadas por la tabla:
Altura
[170, 175)
[175, 180)
[180, 185)
[185, 190)
[190, 195)
[195, 2.00)
N de jugadores
Calcular la desviacin tpica
9.-Dada la distribucin estadstica:
fi
[0, 5)
[5, 10)
[10, 15)
[15, 20)
[20, 25)
[25, 8)
Media
No se puede calcular la media, porque no se puede hallar la marca de clase del ltimo intervalo.
Desviacin tpica
Si no hay media no es posible hallar la desviacin tpica.
10.- Calcular la desviacin tpica de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18
Varianza
La varianza es la media aritmtica del cuadrado de las desviaciones respecto a la media de una
distribucin estadstica.
Ejercicios de varianza
1.-Calcular la varianza de la distribucin:
9, 3, 8, 8, 9, 8, 9, 18
2.-Calcular la varianza de la distribucin de la tabla:
3.-Hallar la desviacin media, la varianza y la desviacin tpica de la series de nmeros siguientes:

2, 3, 6, 8, 11.
12, 6, 7, 3, 15, 10, 18, 5.
2, 3, 6, 8, 11.
4.-Las alturas de los jugadores de un equipo de baloncesto vienen dadas por la tabla:
Altura
[170, 175)
[175, 180)
[180, 185)
[185, 190)
[190, 195)
[195, 2.00)
N de jugadores
Calcula la varianza.
xi
fi
Fi
xi fi
xi2 fi
[1.70, 1.75)
1.725
1.725
2.976
[1.75, 1.80)
1.775
5.325
9.453
[1.80, 1.85)
1.825
7.3
13.324
[1.85, 1.90)
1.875
16
15
28.128
[1.90, 1.95)
1.925
21
9.625
18.53
[1.95, 2.00)
1.975
23
3.95
7.802
42.925
80.213
23
5.-Determinar la media o valor esperado de la distribucin cuya funcin densidad de probabilidad est por
la regla de correspondencia:
Solucin:
6.-Calcular la varianza
Solucin:
para la funcin densidad
7.- calcular la varianza de la altura de varios perros

Las alturas (de los hombros) son: 600mm, 470mm, 170mm, 430mm y 300mm.
As que la varianza es 21,704.
Escala
ESCALA NOMINAL
Las escalas de medicin son nominal ordinal intervalo y razn
ESCALA NOMINAL utiliza nombres para establecer categoras, pueden usarse pero estos no son
de carcter simblico
Ejemplo: *sano *bueno *enfermo
ESCALA ORDINAL
Tambin define categoras pero establece una relacin entre > o < que
Los nmeros asignados si establecen jerarqua.
No se puede establecer distancia entre los puntos
ESCALA DE INTERVALOS
Rene las caractersticas anteriores
Registra de manera numrica la distancia entre dos puntos.
El cero no indica ausencia de variable y es arbitrario.
EJEMPLO *Temperatura *Fechas de calendario *hora * GMT
ESCALA DE RAZON
Escala ms fuerte
El cero indica usencia de la variable
La diferencia entre dos variables es de magnitud conocida
EJEMPLO
0 INGRESOS/ MES
Probabilidades
Es el conjunto de posibilidades de que un evento ocurra o no en un momento y tiempo determinado.
Dichos eventos pueden ser medibles a travs de una escala de 0 a 1, donde el evento que no pueda
ocurrir tiene una probabilidad de 0 y uno que ocurra con certeza es de 1.
Ejemplo: 1. Cuando se lanza una moneda, se desea saber cual es la probabilidad de
Que se sello o cara, es decir existe un 0,5 (50%) de que sea cara o 0,5 (50%) de que
Sea sello.
Ejemplo: 2.
Un dado comn (un cubo) tiene los pontajes del uno al seis en cada cara {1, 2, 3, 4, 5, 6}la probabilidad
de par o de impar, pues eso es un suceso seguro, pues si cae cualquier cara por arriba como 2, 4 o 6
(tres entre 6 = 3/6) es par y si no, sera 1, 3 5
(tres entre 6 = 3/6) y ser impar: P(par o impar) = probabilidad de par + probabilidad de impar P(par o
impar) = 3/6 + 3/6 = 1/2 + 1/2 = 1
Ejemplo: 3
Segn un estudio estadstico la seleccin de fut de Guatemala tiene una probabilidad de 50% de ganar,
40% de empatar y 10% de perder si Guatemala juega un partido.a) Por lo menos empate una partida:b)
Pierda los 3 partidos:c) Gane solo un partido.
Aqu como ya se estn dando las posibilidades del equipo en cada partido, como al parecer jugaran 3
partidos solo hay que ver el planteamiento como lo que dice el primero: Habla de las posibilidades que
tiene de empatar en un juego, pues la mismas respuestas dan en la pregunta ya que tiene un 40% de
posibilidad de empatar
Ejemplo: 4
El equipo de baloncesto Tema, un equipo de la liga menor de la organizacin Verapacense, juega 70% de
sus juegos de noche, y 30% de da. El equipo gana el 50 por ciento de sus juegos de noche y el 90% de
sus juegos de da. Segn star Chanell, ganaron ayer. Cul es la probabilidad de que el juego haya sido
de noche?
Como siempre tenemos que calcular los casos favorables frente a los posibles.Favorables: Que haya
ocurrido de noche y que hayan ganado.Ocurridos de noche: 0,7 (70%)Ganados de noche el 50%, es decir
multiplicar por 0,5./ 0,7*0,5 = 0,35Probabilidad 0,35 (35%)Posibles; para calcular los posibles tenemos
que ver el total de GANADOS pues es el dato que nos dan "ganaron ayer".Ganados de noche:
0,35Ganados de da: 0,9*0,3 = 0,27 (27%)Total ganados: 0,35+0,27 = 0,62El nmero de casos favorables
para nuestro problema: 0,35Nmero de casos totales (ya sabemos que han ganado): 0,62Probabilidad:
0,35/0,62 = 0,56; es decir hay un 56 por ciento de probabilidades de que sabiendo que ganaron ayer el
juego hubiera ocurrido de noche.
Ejemplo: 5
el profesor Marcos ha estado enseando estadstica bsica muchos aos. Ya sabe que el 80% de sus
alumnos hace toda la tarea. Tambin sabe que el 90% de todos los que hacen la tarea aprueban el curso.
De los estudiantes que no hacen la tarea, el 60% aprueba. Mike tom estadstica el semestre pasado con
la doctora Staller y obtuvo una calificacin aprobatoria. Cul es la probabilidad de que el haya hecho
todas las tareas?Casos favorables: que haya aprobado y hecho todas las tareas.Que han aprobado y
hecho la tarea: 0,8*0,9 = 0,72El nmero total es el de aprobados (puesto que sabemos que han
aprobado) que son:0,72 que han aprobado y hecho la tarea + 0,20*0,60 (0,12) que son los que han
aprobado pero no hecho la tarea)0,72 +0,12 = 0,84Casos favorables/Casos totales = 0,72/0,84 = 0,86;
hay una probabilidad del 86 por ciento de que habiendo aprobado sea uno de los que han hecho todas las
tareas.
Ejemplo: 6
El departamento de crdito de la tienda departamental de Cemaco, report que el 30% de sus ventas son
pagadas en efectivo, 30 por ciento con cheque y el 40% con tarjeta de crdito. 20% de las compras en
efectivo, 90% de las compras con cheques y 60% de las compras con tarjeta son por ms de 50.
La seora Prez acaba de comprar un vestido que cost Q 120. Cul es la probabilidad de que haya
falta algo, lo resuelvo para las tres posibilidades: efectivo, cheque y tarjeta.Sabemos que compr >50, por
lo tanto el nmero casos favorables son los de efectivo que hayan comprado ms de 50 + los de cheque
que hayan comprado ms de 50 + los de tarjeta que hayan comprado> 50.No nos dan el tanto por ciento
de las compras en efectivo, pero como sabemos que hay un 30% de cheques y una 40% de tarjeta,
queda un 30% de efectivo.Favorables.Efectivo > 50: 0,3*0,2 = 0,06Cheques >50: 0,3*0,9=0,27Tarjeta >50:
0,4*0,6 = 0,24TOTAL: 0,57
Favorables: si se trata de EFECTIVO0,06/0,57 = 0,105; 10,5%Si la pregunta termina hablando de

Cheques:0,27/0,57 = 0,47; 47%Si fueran tarjetas:0,24/0,57 = 0,42; 42%
Ejemplo: 7
Cuantos nmeros de 5 dgitos se pueden formar con los nmeros de 1 al 9, si:A) los nmeros deben ser
impares. B) los dos primeros dgitos son pares.C) se permiten repeticiones
A) los nmeros deben ser impares. (5/9) x 9C5 = (5/9) x 126 = 70 nmerosC) se permiten repeticiones.
9P5 = 15 120 nmeros
Ejemplo: 8
Tras un estudio estadstico en una ciudad se observa que el 70% de los motoristas son varones y, de
estos, el 60% llevan habitualmente casco. El porcentaje de mujeres que conducen habitualmente con
casco es del 40%. Se pide:Calcular la probabilidad de que un motorista elegido al azar lleve casco.Se
elige un motorista al azar y se observa que lleva casco. Cul es la probabilidad de que sea varn?
sea A=motoristas varonesB=Llevan cascoa) p(B) = 54/100 = 0.54 (54 de la suma del 70% de varones y
30% de mujeres que llevan casco; 100, del numero de personas en total)b) p(AnB) = (70/100) x (42/70) =
0.42 La frmula para la interseccin es P(AnB) = p(A) x p(B/A)El (70/100) sale de la probabilidad que sea
varn (hay 70 varones de 100 motoristas)el (60/70) sale de que de 70 motoristas varones, el 60% (o sea
42) usan casco.
Ejemplo: 9
Se ha determinado que 60% de los estudiantes de la universidad De San Carlos fuman cigarrillos. Se
toma una muestra aleatoria de 800 estudiantes. Calcule la probabilidad de que la proporcin de la
muestra de la gente que fuma cigarrillos sea menor que 0.55.
Solucin:
Este ejercicio se puede solucionar por dos mtodos. El primero puede ser con la aproximacin de la
distribucin normal a la binomial y el segundo utilizando la frmula de la distribucin muestral de
proporciones.
Aproximacin de la distribucin normal a la binomial:
Datos:
Distribucin Muestral de Proporciones

Datos:
n=800 estudiantes
P=0.60
p= 0.55
p(p< 0.55) = ?
Observe que este valor es igual al obtenido en el mtodo de la aproximacin de la distribucin normal a la
binomial, por lo que si lo buscamos en la tabla de "z" nos da la misma probabilidad de 0.0017. Tambin se
debe de tomar en cuenta que el factor de correccin de 0.5 se esta dividiendo entre el tamao de la
muestra, ya que estamos hablando de una proporcin.
La interpretacin en esta solucin, estara enfocada a la proporcin de la muestra, por lo que diramos
que la probabilidad de que al extraer una muestra de 800 estudiantes de esa universidad, la proporcin de
estudiantes que fuman cigarrillos sea menor al 55% es del 0.17%.
Ejemplo: 10
Un medicamento para malestar estomacal tiene la advertencia de que algunos usuarios pueden presentar
una reaccin adversa a l, ms an, se piensa que alrededor del 3% de los usuarios tienen tal reaccin.
Si una muestra aleatoria de 150 personas con malestar estomacal usa el medicamento, encuentre la
probabilidad de que la proporcin de la muestra de los usuarios que realmente presentan una reaccin
adversa, exceda el 4%.
Resolverlo mediante la aproximacin de la normal a la binomial
Resolverlo con la distribucin muestral de proporciones
Aproximacin de la distribucin normal a la binomial:

Datos:
n=150 personas
p=0.03
x= (0.04)(150) = 6 personas
p(x>6) = ?
Media = np= (150)(0.03)= 4.5
p(x>6) = 0.1685. Este valor significa que existe una probabilidad del 17% de que al extraer una muestra
de 150 personas, mas de 6 presentarn una reaccin adversa.
Distribucin Muestral de Proporciones
Datos:
n=150 personas
P=0.03
p= 0.04
p(p>0.04) = ?
Observe que este valor es igual al obtenido y la interpretacin es: existe una probabilidad del 17% de que
al tomar una muestra de 150 personas se tenga una proporcin mayor de 0.04 presentando una reaccin
adversa.
Ejemplo:
Se sabe que la verdadera proporcin de los componentes defectuosos fabricadas por una firma es de 4%,
y encuentre la probabilidad de que una muestra aleatoria de tamao 60 tenga:
Menos del 3% de los componentes defectuosos.
Ms del 1% pero menos del 5% de partes defectuosas.

Solucin:
Datos:
n= 60 artculos
P=0.04
p= 0.03
p(p<0.03) = ?
La probabilidad de que en una muestra de 60 artculos exista una proporcin menor de 0.03 artculos
defectuosos es de 0.2327.
Datos:
n= 60 artculos
P=0.04
p= 0.01 y 0.05
p(0.01
<0.05) = ?
Normalidad de los datos

En estadstica y probabilidad se llama distribucin normal, distribucin de Gauss o distribucin gaussiana,
a una de las distribuciones de probabilidad de variable continua que con ms frecuencia aparece en
fenmenos reales.
La grfica de su funcin de densidad tiene una forma acampanada y es simtrica respecto de un
determinado parmetro. Esta curva se conoce como campana de Gauss.
La importancia de esta distribucin radica en que permite modelar numerosos fenmenos naturales,
sociales y psicolgicos. Mientras que los mecanismos que subyacen a gran parte de este tipo de
fenmenos son desconocidos, por la enorme cantidad de variables incontrolables que en ellos
intervienen, el uso del modelo normal puede justificarse asumiendo que cada observacin se obtiene
como la suma de unas pocas causas independientes.
De hecho, la estadstica es un modelo matemtico que slo permite describir un fenmeno, sin
explicacin alguna. Para la explicacin causal es preciso el diseo experimental, de ah que al uso de la
estadstica en psicologa y sociologa sea conocido como mtodo correlacional.
La distribucin normal tambin es importante por su relacin con la estimacin por mnimos cuadrados,
uno de los mtodos de estimacin ms simples y antiguos.
Algunos ejemplos de variables asociadas a fenmenos naturales que siguen el modelo de la normal son:
Caracteres morfolgicos de individuos como la estatura;
Caracteres fisiolgicos como el efecto de un frmaco;
Caracteres sociolgicos como el consumo de cierto producto por un mismo grupo de individuos;
Caracteres psicolgicos como el cociente intelectual; nivel de ruido en telecomunicaciones; errores
cometidos al medir ciertas magnitudes; etc.
La distribucin normal tambin aparece en muchas reas de la propia estadstica. Por ejemplo, la
distribucin muestral de las medias mustrales es aproximadamente normal, cuando la distribucin de
la poblacin de la cual se extrae la muestra no es normal.[1] Adems, la distribucin normal maximiza
la entropa entre todas las distribuciones con media y varianza conocidas, lo cual la convierte en la
eleccin natural de la distribucin subyacente a una lista de datos resumidos en trminos de media
muestral y varianza. La distribucin normal es la ms extendida en estadstica y muchos test estadsticos
estn basados en una supuesta "normalidad".
En probabilidad, la distribucin normal aparece como el lmite de varias distribuciones de probabilidad
continua y discreta.
EJEMPLO
Funcin de densidad
Leer ms: http://www.monografias.com/trabajos89/desviacion-estandar/desviacionestandar.shtml#ixzz4OyqTqlsI
Jhjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjjj
La Desviacin Estndar
La desviacin estndar es un ndice numrico de la dispersin de un

conjunto de datos (o poblacin). Mientras mayor es la desviacin
estndar, mayor es la dispersin de la poblacin. La desviacin
estndar es un promedio de las desviaciones individuales de cada
observacin con respecto a la media de una distribucin. As, la
desviacin estndar mide el grado de dispersin o variabilidad. En
primer lugar, midiendo la diferencia entre cada valor del conjunto de
datos y la media del conjunto de datos. Luego, sumando todas estas
diferencias individuales para dar el total de todas las diferencias. Por
ltimo, dividiendo el resultado por el nmero total de observaciones
(normalmente representado por la letra n) para llegar a un
promedio de las distancias entre cada observacin individual y la
media. Este promedio de las distancias es la desviacin estndar y de
esta manera representa dispersin.
Matemticamente, la desviacin estndar podra, a primera vista,
parecer algo complicada. Sin embargo, es en realidad un concepto
extremadamente simple. En realidad no importa si usted no sabe
calcular con exactitud la desviacin estndar, siempre y cuando usted
comprenda claramente el concepto.
La desviacin estndar es un indicador en extremo valioso con
muchas aplicaciones. Por ejemplo, los estadsticos saben que cuando
un conjunto de datos se distribuye de manera normal, el 68% de
las observaciones de la distribucin tiene un valor que se encuentra a
menos de una desviacin estndar de la media. Tambin saben que el
96% de todas las observaciones tiene un valor no es mayor a la
media ms o menos dos desviaciones estndar (la Figura 18 grafica
esta informacin).
La desviacin estndar de una poblacin es normalmente representada

por la letra griega (sigma), cuando se calcula sobre la base de toda la
poblacin; por la letra s (minscula) cuando se infiere de una muestra; y
por la letra S (mayscula) cuando simplemente corresponde a la
desviacin estndar de una muestra. La frmula de la desviacin
estndar es
, donde
representa la suma de las
diferencias al cuadrado entre cada observacin y la media y N
representa el nmero total de observaciones. La aparente complicacin
de la frmula surge del hecho de que al restar la media a los valores de
cada observacin individual para calcular las diferencias ( ), los valores
de las observaciones que estn bajo la media producirn diferencias

negativas, mientras que los valores de las observaciones que son
mayores que la media proporcionarn valores positivos. As, las
diferencias positivas y negativas se compensarn entre s y, en el caso de
una distribucin simtrica, producirn una suma igual a cero para la
suma de las desviaciones individuales. Para evitar este problema, las
desviaciones se elevan al cuadrado, de modo que todas las desviaciones
sean positivas y se puedan sumar. Despus, se calcula la raz cuadrada
para compensar, por decirlo as, la elevacin al cuadrado anterior de
los valores. Cuando no se incluye la raz cuadrada, el resultado es otro
famoso indicador de dispersin conocido como la varianza.
Ooooooooooooooooooooo
Calcular la desviacin estndar y la varianza
La desviacin estndar
La desviacin tpica es una medida de dispersin. Corresponde
exactamente
a
la
raz
cuadrada
de
la
varianza.
Este indicador, comnmente empleado, permite describir la
variabilidad de los valores de un conjunto de datos. La desviacin
tpica se utiliza generalmente para completar los indicadores de

tendencia
central
como
la
media
o
la
mediana.
El objetivo es ver si los valores de un conjunto de datos estn ms o
menos reagrupados alrededor de la tendencia central. A mayor
dispersin,
mayor
valor
tomar
la
desviacin
tpica.
Generalmente, la desviacin tpica se suele representar como para
la desviacin estndar de una poblacin y S es una estimacin de .
Aspecto matemtico :
Para estimar la desviacin estndar de una poblacin con la ayuda

de una muestra, podemos calcular el estimador S con la ayuda de la
siguiente frmula matemtica :
Para obtener un estimador insesgados, basta con dividir por (n-1) en

lugar de por "n".
La varianza
La varianza es una medida de dispersin de una distribucin de una
variable
aleatoria.
Matemticamente, la varianza se define como la suma de las
diferencias de cada observacin respecto a la media (desviacin) al
cuadrado,
dividido
por
el
nmero
de
observaciones.
En relacin con la desviacin estndar, la varianza ser notada como
S cuando se trate de una muestra y como cuando se trate de una
poblacin.
Aspecto matemtico :
Dada la frmula anterior para la desviacin estndar solo se necesita

suprimir la raz cuadrada.
Desviacin tpica
La desviacin tpica o desviacin estndar (denotada con el smbolo o s,
dependiendo de la procedencia del conjunto de datos) es una medida de dispersin para
variables de razn (variables cuantitativas o cantidades racionales) y de intervalo. Se
define como la raz cuadrada de la varianza de la variable.
Para conocer con detalle un conjunto de datos, no basta con conocer las medidas de
tendencia central, sino que necesitamos conocer tambin la desviacin que presentan los
datos en su distribucin respecto de la media aritmtica de dicha distribucin, con objeto
de tener una visin de los mismos ms acorde con la realidad al momento de describirlos e
interpretarlos para la toma de decisiones.
ndice
[ocultar]
1Interpretacin y aplicacin
2Desglose
o
2.1Distribucin de probabilidad continua
2.2Distribucin de probabilidad discreta
3Ejemplo
4Vase tambin
5Enlaces externos
Interpretacin y aplicacin[editar]
La desviacin tpica es una medida del grado de dispersin de los datos con respecto al
valor promedio. Dicho de otra manera, la desviacin estndar es simplemente el
"promedio" o variacin esperada con respecto a la media aritmtica.
Por ejemplo, las tres poblaciones (0, 0, 14, 14), (0, 6, 8, 14) y (6, 6, 8, 8) cada una tiene
una media de 7. Sus desviaciones estndar poblacionales son 7, 5 y 1, respectivamente.
La tercera poblacin tiene una desviacin mucho menor que las otras dos porque sus
valores estn ms cerca de 7.
La desviacin estndar puede ser interpretada como una medida de incertidumbre. La
desviacin estndar de un grupo repetido de medidas nos da la precisin de estas.
Cuando se va a determinar si un grupo de medidas est de acuerdo con el modelo terico,
la desviacin estndar de esas medidas es de vital importancia: si la media de las medidas
est demasiado alejada de la prediccin (con la distancia medida en desviaciones
estndar), entonces consideramos que las medidas contradicen la teora. Esto es
coherente, ya que las mediciones caen fuera del rango de valores en el cual sera
razonable esperar que ocurrieran si el modelo terico fuera correcto. La desviacin
estndar es uno de tres parmetros de ubicacin central; muestra la agrupacin de los
datos alrededor de un valor central (la media o promedio).
Desglose[editar]
La desviacin estndar (DS/DE), tambin llamada desviacin tpica, es una medida
de dispersin usada en estadstica que nos dice cunto tienden a alejarse los valores
concretos del promedio en una distribucin de datos. De hecho, especficamente, el
cuadrado de la desviacin estndar es "el promedio del cuadrado de la distancia de cada
punto respecto del promedio". Se suele representar por una S o con la letra sigma, .
La desviacin estndar de un conjunto de datos es una medida de cunto se desvan los
datos de su media. Esta medida es ms estable que el recorrido y toma en consideracin
el valor de cada dato.
Distribucin de probabilidad continua[editar]
Es posible calcular la desviacin estndar de una variable aleatoria continua como la raz
cuadrada de la integral
donde
Distribucin de probabilidad discreta[editar]
La Desviacin Estndar es la raz cuadrada de la varianza de la distribucin de
probabilidad discreta:
Cuando los casos tomados son iguales al total de la poblacin se aplica la
frmula de desviacin estndar poblacional. As la varianza es la media de los
cuadrados de las diferencias entre cada valor de la variable y la media
aritmtica de la distribucin.
En el caso de que la variable x no distribuya uniforme, si no con una
probabilidad pi para cada xi, la desviacin estandar ser:
Aunque esta frmula es correcta, en la prctica interesa el realizar
inferencias poblacionales, por lo que en el denominador en vez de , se
usa segn la correccin de Bessel. Esta ocurre cuando la media de
muestra se utiliza para centrar los datos, en lugar de la media de la
poblacin. Puesto que la media de la muestra es una combinacin lineal
de los datos, el residual a la muestra media se extiende ms all del
nmero de grados de libertad por el nmero de ecuaciones de restriccin
en este caso una. Dado esto a la muestra as obtenida de una
muestra sin el total de la poblacin se le aplica esta correccin con la
frmula desviacin estndar muestral.
Ejemplo[editar]
Aqu se muestra cmo calcular la desviacin estndar de un conjunto
de datos. Los datos representan la edad de los miembros de un grupo
de nios: {4, 1, 11, 13, 2, 7}
1. Calcular el promedio o media aritmtica .
.
En este caso, N = 6:
Sustituyendo N por 6
2. Calcular la desviacin
estndar
Sustituyendo N por 6;
Sustituyendo por 6,33
.
Vase
tambi
n
QU ES LA DESVIACIN ESTNDAR Y COMO

INTERPRETARLA #1
Para muchos la palabra desviacin estndar puede sonar
desconocida y no la habrn odo nombrar a menos que hayan
asistido a una clase de estadstica.
Sin embargo no se preocupe, es probable que si ha escuchado la
palabra volatilidad, volatilidad del mercado, volatilidad del precio,
ya esta familiarizado con el tema, ya que volatilidad lo podemos
connotar como movimiento, y significa lo mismo que desviacin
estndar sino que esta ltima palabra es usada en estricto sentido
matemtico
Que es desviacin estndar?
Justamente la desviacin Estndar, en un conjunto de datos
(precios en el caso del mercado de valores) es una medida de
dispersin, que nos indica cunto pueden alejarse los valores
respecto al promedio (media), por lo tanto es til para buscar
probabilidades de que un evento ocurra, o en el caso del mercado
burstil, determinar entre que rango de precios puede moverse un
determinado activo, y determinar que tipo de activos pueden ser
mas voltiles que otros.
Los operadores del mercado estn interesados en la direccin del

precio de un activo y en la velocidad de los movimientos del
subyacente para determinar que tan riesgoso o vlatil puede
llegar a ser un activo. Los mercados cuyos precios se mueven
lentamente son mercados de baja volatilidad, los mercados cuyos
precios se mueven a alta velocidad son mercados de alta
volatilidad.
Existen varias maneras de estimar la volatilidad, y el mundo ideal
sera aquel donde se pueda determinar la volatilidad de todo el
conjunto de datos existentes, sin embargo teniendo en cuenta que
se cuentan con recursos (informacin, costos, etc) limitados, la
desviacin estndar se pude tomar sobre un determinado conjunto
de datos que se ajusten a nuestros requerimientos, mediante la
siguiente frmula:
Donde
xi= dato i que esta entre (o, n)
x= promedio de los datos
n= numero datos
Cmo se interpreta y se analiza?
Ya dijimos que los operadores y los inversores estaran muy
interesados en saber cual puede ser la direccin del precio, y
tambin poder determinar un rango de precios en el cual el activo
pueda moverse. Veamos entonces un ejemplo de cmo calcular la
desviacin y su interpretacin:
Si definimos la desviacin como una medida de la variacin de los
precios, esta medida se basar en los cambios porcentuales que
sufren los mismos. Sin embargo existen dos formas de calcular
estos cambios porcentuales:
La manera correcta de tomar el % es en cambios logartmicos, ya

que es una manera de interpretar que los precios no pueden tomar
valores negativos, y por lo tanto considera mayores los
movimientos al alza que los movimientos a la baja.
Lo importante no es saber cmo se calcula cada uno de estos
parmetros, lo que importa es la interpretacin,
ms
concretamente, qu sugieren la media y la desviacin estndar en
trminos de probabilidad del movimiento del precio.
En nuestro ejemplo la media nos indica un promedio de
resultados. Si sumamos todos los resultados y los dividimos entre
el nmero de datos, nos da un promedio de -0.4741% es decir, el
retorno promedio de resultados en estos das fue -0.4741%
Si calculamos la desviacin de acuerdo a la frmula presentada
anteriormente nos da que la Desviacin Estndar o volatilidad es
1.13%, hay que tener en cuenta que los datos tomados son datos
diarios, por lo tanto el dato obtenido es de una volatilidad diaria de
1.3%.
Esto nos quiere decir que si el precio del activo cotiza a $158, el
precio de este activo puede moverse hacia arriba o hacia abajo::
$158,1 x 1,129677% = 1,786019166 diario
Grficamente se puede representar de la siguiente manera
Este simple numerito aunque nos dice una aproximacion del

movimiento, nos puede resultar til para interpretarlo en trminos
de probabilidad, es decir cul es la probabilidad de que el activo
cotice a determinado precio, pero este tema lo trataremos en la
segunda parte de este articulo.
REALIZADO POR: LILIAN ADRIANA MORA
Fecha
precios
Cambio %
Cambio %
Desvo
(inters
simple)
(inters
continuo)
( r-R)^2
(Pt+1- Pt)/Pt
ln(Pt+1/Pt)
01/10/2009
158
02/10/2009
158,6
0,380%
0,379%
7,2784E-05
05/10/2009
158,3
-0,189%
-0,189%
8,1096E-06
06/10/2009
157,2
-0,695%
-0,697%
4,9819E-06
07/10/2009
157,4
0,127%
0,127%
3,6151E-05
08/10/2009
158,2
0,508%
0,507%
9,6252E-05
09/10/2009
158,3
0,063%
0,063%
2,8869E-05
13/10/2009
158,7
0,253%
0,252%
5,2776E-05
14/10/2009
154,6
-2,583%
-2,617%
0,00045939
15/10/2009
151,4
-2,070%
-2,092%
0,00026162
suma
-0,042669692
0,00102094
retorno/media
-0,4741%
0,00012762
desvo
1,129677%
diario
Acerca de estos anuncios
Uso practico de la desviacion estandar???

para que sirve la desviacion estandar.????
2 seguidores
5 respuestas
Notificar un abuso
Respuestas
Calificacin
Mejor respuesta: Indica la variabilidad de un proceso, una medida, etc.

Se suele usar en control estadstico de calidad, en mediciones, en determinar la esperanza de
vida de cosas o personas, etc.
Salu2
sobertus hace 9 aos
3
Votar a favor
17
Votar en contra
Comentario
Notificar un abuso
Hola elias:
Te han costestado muy bien, slo agregar unos ejemplos y comentarte que gracias a la
Desviacin Estndar se pueden analizar investigaciones, encuestas realizadas etc, con el fin de
estimar determinados parmetros y probabilidades .
Por ejemplo:
* Estimar ndices de consumo,
* Controlar la variabilidad en presupuestos, comercializaciones, productos, en las ventas , etc
* Estimar si un estudiante alcance o no, la nota de promocin
* Controlar que los productos no estn fuera de la fecha de vencimiento
* Dar proyecciones sobre quin asumir el prximo gobierno
* Otra medida que se utiliza mucho es el Coeficiente de Variacin (CV). Es una medida de
dispersin relativa de los datos.
Para calcular el CV se realiza el cociente entre la desviacin estndar y la media aritmtica
*Su utilidad estriba en que nos permite comparar la dispersin o variabilidad de dos o ms
grupos.
*El coeficiente de variacin se utiliza se utiliza para comparar la homogeneidad de dos series
de datos, an cuando estn expresados en distintas unidades de medida.
* Sirve para comparar de forma relativa la variabilidad de dos grupos cuya unidad de anlisis
sea distinta o de dos grupos con la misma unidad e medida pero con diferente cantidad.
* El coeficiente de variacin sirve tambin para medir el grado de representatividad de una
media aritmtica con respecto a otras
* Como el C.V carece de unidades, permite hacer comparables dos o ms conjuntos de valores
o datos (muestras o poblaciones) que esencialmente no son comparables, por referirse a
cuestiones diferentes.
Un ejemplo en donde necesitamos calcular el coeficiente de variacin.

Se quiere comparar Peso y Talla de un grupo de personas, y los datos son los siguientes:
Datos del Peso (en kg)
media = 70 kg , desviacin estndar = 10,5 kg
CV = 10,5kg / 70kg = 0,15
O sea, que el peso presenta un 15% de dispersin o variabilidad
Datos de la Talla (en cm)
media = 166,5 cm , desviacin estndar de 15 cm
CV = 15cm / 166,5cm = 0,09
Significa que la talla presenta un 9% de variacin
Conclusin: la talla respecto del peso es ms estable, no tan cambiente, o sea, tiene menor
variablilidad . . .
Hay muchos ejemplos que se pueden mostrar . .
Pero, esa es esencialmente la idea, "medir" el grado de vaciacin o dispercin de los datos,
respecto a uno de los promedios, usualmente la media aritmtica . .
Saluditos . . .
:
Fuente(s):sobertus !!. . no corras tanto . . :(
M Angeles hace 9 aos
23
Votar a favor
0
Votar en contra
Comentario
Notificar un abuso
La desviacin estima la variabilidad de los datos.
La media estima el valor central, mientras que la desviacin estima la variabilidad de los datos.
Si es muy pequea, indica que hay muy poca dispersin respecto a la tendencia central, en
caso contrario los datos son ms dispersos.
Por ejemplo: los conjuntos de datos {7,8,9,10 y 11} y {5, 6, 10, 14, 15} tendrn misma media
pero distinta desviacin, la del segundo conjunto ser superior.
lluisvb hace 9 aos
5
Votar a favor
0
Votar en contra
Comentario
Notificar un abuso
te doy un ejemplo, cuando tienes que hacer una medicin de tiempos con un cronmetro
introduces un error con la precisin del cronmetro y otro error con tu tiempo de reaccin, para
contrarrestar esto puedes tomar una serie de muchos datos ( o sea, tomar la misma medida de
tiempo repetidas veces), luego, tomars el promedio de las medidas como el dato que quieres
obtener y el rango de incertidumbre que tienes de ese dato es la desviacin estndar.
porqu?, recuerda que la desviacin estndar nos indica el rango en el que se alejan los datos
del promedio.
este es slo un ejemplo, puedes encontrar muuuuchos otros entre las aplicaciones de la
estadstica.
Juako hace 9 aos
Hhhhhhhhhhhhhhhhhhhhhhh
Medidas de Dispersin - Varianza y Desviacin
As como las medidas de tendencia central nos permiten identificar el punto

central de los datos, las Medidas de dispersin nos permiten reconocer que
tanto se dispersan los datos alrededor del punto central; es decir, nos indican
cuanto se desvan las observaciones alrededor de su promedio aritmtico
(Media). Este tipo de medidas son parmetros informativos que nos
permitenconocer como los valores de los datos se reparten a travs de eje X,
mediante un valor numrico que representa el promedio de dispersin de
los datos. Las medidas de dispersin msimportantes y las ms utilizadas son
la Varianza y la Desviacin estndar (o Tpica).
1. VARIANZA
Esta medida nos permite identificar la diferencia promedio que hay entre cada
uno de los valores respecto a su punto central (Media
). Este promedio es
calculado, elevando cada una de las diferencias al cuadrado (Con el fin de
eliminar los signos negativos), y calculando su promedio o media; es decir,
sumado todos los cuadrados de las diferencias de cada valor respecto a la
media y dividiendo este resultado por el nmero de observaciones que se
tengan. Si la varianza es calculada a una poblacin (Total de componentes de
un conjunto), la ecuacin sera:
Ecuacin 5-6
Donde ( ) representa la varianza, (Xi) representa cada uno de los valores, (

) representa la media poblacional y (N) es el nmero de observaciones
tamao de la poblacin. En el caso que estemos trabajando con una muestra la
ecuacin que se debe emplear es:
Ecuacin 5-7
Donde (S2) representa la varianza, (Xi) representa cada uno de los valores, (
) representa la media de la muestra y (n) es el nmero de observaciones
tamao de la muestra. Si nos fijamos en la ecuacin, notaremos que se le resta
uno al tamao de la muestra; esto se hace con el objetivo de aplicar una
pequea medida de correccin a la varianza, intentando
hacerla ms representativa para la poblacin. Es necesario resaltar que la
varianza nos da como resultado el promedio de la desviacin, pero este valor
se encuentra elevado al cuadrado.
2. Desviacin estndar o Tpica

Esta medida nos permite determinar el promedio aritmtico de fluctuacin de
los datos respecto a su punto central o media. La desviacin estndar nos da
como resultado un valor numrico que representa el promedio de diferencia
que hay entre los datos y la media. Para calcular la desviacin estndar basta
con hallar la raz cuadrada de la varianza, por lo tanto su ecuacin sera:
Ecuacin 5-8
Para comprender el concepto de las medidas de distribucin vamos a suponer

que el gerente de una empresa de alimentos desea saber que tanto varan los
pesos de los empaques (en gramos), de uno de sus productos; por lo que opta
por seleccionar al azar cinco unidades de ellos para pesarlos. Los productos
tienen los siguientes pesos (490, 500, 510, 515 y 520) gramos
respectivamente.
Por lo que su media es:
La varianza sera:
Por lo tanto la desviacin estndar sera:
Con lo que concluiramos que el peso promedio de los empaques es de 507

gramos, con una tendencia a variar por debajo o por encima de dicho peso en
12 gramos. Esta informacin le permite al gerente determinar cuanto es el
promedio de perdidas causado por el exceso de peso en los empaques y le da
las bases para tomar los correctivos necesarios en el proceso de empacado.
Medidas Tendencia Central
Medidas de Distibucin
Quiere ganar
Dinero extra?
Desarrolle su negocio
independiente
Aprenda cmo
INDICE DEL CURSO
Introduccin a Spss
Ayudas de Spss
Archivos de datos
Transformar datos
Anlisis descriptivo
Mltiples variables
Grficos
Mdulo de tablas
Anlisis Descriptivo
1. Tendencia Central
2. Medidas Dispersin
3. Medidas Distribucin
4. Escalas de Medida
5. Anlisis Descriptivo
6. Frecuencias: Opciones
7. Frecuencias: Grficos
8. Frecuencias: Formato
9. Variables Categricas
10. Resultado Categrica
11. Variables de Escala
12. Resultados Escala
13. Descriptivos SPSS
14. Descriptivos 2
Desea controlar su peso?
Yo Quiero
Desviacin estndar
La d es viacin es tn d ar o d es viacin tp i ca es la ra z
cu ad rad a d e la varian za .
Es deci r, la ra z cuadrad a de l a medi a de los cuadr ados de
las puntuac iones de des via cin.
La d es viacin es tn d ar s e repres ent a por .
Desviacin estndar para datos agrupados
P ara s i mpl ificar el c lculo vamos o uti lizar las s iguien tes
expres iones que s on equiva lent es a las ant eriores .
Desviacin estndar para datos agrupados
Ejercicios
Calcul ar la d es via cin es tn d ar de la dis tribucin :

9, 3, 8, 8, 9, 8, 9, 18
Cal cu lar la d es viac in tp ica de la dis tribucin de la

tabla :
[10,
20)
xi
fi
xi f i
xi 2 f i
1
5
15
225
[20,
30)
2
5
200
5000
[30,40
)
3
5
1
0
350
12
250
[40,
50)
4
5
405
18
225
[50,
60)
5
5
440
24
200
[60,70
)
6
5
260
16
900
[70,
80)
7
5
150
11
250
4
2
1
820
88
050
Propiedades de la desviacin estndar
1 La d es viacin es tn d ar s er s ie mpre un valor pos itivo

o cero, en el cas o de que las puntuac iones s ean igua les .
2 S i a todos los valores de la variabl e s e

les s um a un nm ero la d es viacin es tn d ar n o vara .
3 S i todos los valores de la variab le se m ultip l ican por

un nm ero la d es viacin es tn d ar queda mu ltip licad a por
dicho n m ero.
4 S i tene mos varias dis tribu ciones con la mis ma m ed ia y

conoce mos sus res pectiv as d es via cion es es tnd ar s e puede
calcu lar l a d es viacin es tn d ar total .
S i todas las mues tr as tien en el mis mo ta mao:
S i las mues tras tienen dis tinto ta mao :
Observaciones sobre desviacin la estndar
1 La d es viacin es tn d ar , al igual que la me dia y la

varianz a, es un ndic e mu y sens ibl e a las puntuaciones
extre mas .
2 En los cas os que n o s e pu ed a h alla r la m ed ia ta mpoco

s er pos ible hallar la d es viacin es tn d ar .
3 Cuanta ms pequea s ea la d es viacin es tn d ar ma yor

s er la con cen tracin d e datos alr ededor de la m ed ia .
VARIANZA Y DESVIACIN
ESTNDAR
varianza
esta medida nos permite identificar la diferencia promedio que hay entre cada uno de los valores respecto a
supunto central (media x). este promedio es calculado, elevandi cada una de la diferencias al cuadradoy calculando su
promedio o media; es decir, sumando todos los cuadrados de las diferencias de cada valor respecta a la media y
diviendo este resultado por el numero de observaciones que se tenga. si la varianza es calculada a una poblacion la
escuacion seria:
= (x1-m)2 + (x2 - m)2 + ... +(x8 - m)2 =

donde
representa la varianza (x1) representa cada uno de los valores, (m) representalo media poblacion y n es el
numero de observaciones o tamao de la poblacion.
deviacion estandar
esta medida con permite determinar el promerio aritmetico de fluctuacion de los datos respecto a su punto central o media. la
desviacion estandar nos da como resultado un valor numerico que representa el promedio de diferencia que hay ente los datos y la
media. para calcular la desviacion estandar basta con hallar la raiz cuadrada de la varianza por lo tanto su ecuacion seria:
s = raiz cuadrada de s2

Estadística

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Estadística

Uploaded by

Copyright:

Available Formats

estadstica

La estadstica (la forma femenina del alemn Statistik, y

Estadstica descriptiva: Se dedica a la descripcin, visualizacin y resumen de

resumidos numrica o grficamente. Su objetivo es organizar y describir las

Ejemplos bsicos de parmetros estadsticos son: la media y la desviacin

Ejemplos grficos son: histograma, pirmide poblacional, grfico circular,

Estadstica inferencial: Se dedica a la generacin de los modelos, inferencias y

El termino estadstica proviene del latn statisticum collegium (consejo de

Lee todo en: Definicin de estadstica - Qu es, Significado y

La Estadstica es la parte de las Matemticas que se

Segn se haga el estudio sobre todos los elementos de

Leer ms: http://www.monografias.com/trabajos30/conceptos-de-estadistica/conceptos-deestadistica.shtml#ixzz4Oye20Qfn

mejor medida de la tendencia central que la media.

La lnea azul representa la media original, la cual es influenciada notablemente por

Uso de las medidas de tendencia central para describir

En un conjunto de datos muy grande distribuido normalmente, las diferentes

Sin embargo, a medida que las distribuciones se desvan de la normalidad, estos

As mismo, a medida que las distribuciones se desvan de la normalidad

Comparacin de la media y la mediana

Cmo puedo mostrar estos estadsticos?

Medidas de de tendencia central

La m od a es el valor que tien e m ay or f recu en cia

S i en un grupo ha y d os o varias pu n tu acion es con

Clculo de la moda para datos agrupados

L i es el l mi te inferior de la c las e moda l.

Tambin s e utili za otr a f rm u la de la m oda que da

Cal cu lar la m oda de una dis tribuc in es tads t ica que

2 Los intervalos tienen amplitudes distintas.

En pri me r lugar tene mos que hallar las al turas .

La cl as e moda l es la que tiene ma yor altura.

La f rm u la de la m oda ap roxim ad a cuando exis ten

En la s iguiente tabl a s e mu es tra las cal ific aciones

Es el valor que ocupa el lu gar cen tra l de todos

1 Ord en am os los d atos de m en or a m ayor .

3 S i la s erie tien e un n m ero p ar de puntuaciones

La m ed ian a s e encuen tra en el in terva lo donde

Es decir tene mos que bus car el in tervalo en el que s e

L i es el l mi te inferior de la c las e donde s e encu entra la

es la s e mis u ma de las frecuenci as abs olutas .

La m ed ia aritm tica es el valor obtenido al s um ar todos

Media aritmtica para datos agrupados

S i los d atos vien en agru p ad os en una tabla de

Ejercicio de media aritmtica

En un tes t reali zado a un grupo de 42 pers onas s e han

Propiedades de la media aritmtica

1 La s um a de las d es viacion es de todas las puntuaciones

Las s uma de las des viacion es de los n meros 8, 3, 5, 12,

2 La m ed ia aritm tica de los cu ad rad os de

3 S i a todos los valores de la var iable s e les s um a un

4 S i todos los valores de la vari able s e mu ltip lican por

Observaciones sobre la media aritmtica

1 La m ed ia s e puede h allar slo para variab l es

2 La m ed ia es in d ep end ien te de las am p litu d es de

3 La m ed ia es mu y s ens ible a las p u n tu acion es

4 La m ed ia no s e puede ca lcular s i ha y un int ervalo con

En es te cas o no es pos ib le hal lar l a m ed ia porque no

Importancia de las Medidas de Tendencia Central y Dispersin

mitad de los datos en un conjunto ordenados de menor a mayor.

Qu aplicaciones se le puede dar a las Medidas de

La importancia de la DISPERSIN de la distribucin esta basada en que:

las medidas de dispersin, son importantes debido a que dos muestras de

Esta informacin es proporcionada por indicadores que se conocen como medidas

Monografias.com > Matematicas > Estadistica